模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2009, Vol. 22 Issue (5): 726-730    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于自适应认知域的粒子群性能改进方法*
刘暾东1,陈得宝2,李素文2,王颖1
1.厦门大学 自动化系 厦门 361005
2.淮北煤炭师范学院 物理与电子信息学院 淮北 235000
An Improved PSO Method Based on Adaptive Cognitive Domain
LIU Tun-Dong1, CHEN De-Bao2, LI Su-Wen2, WANG Ying1
1.Department of Automation, Xiamen University, Xiamen 361005
2.Physics and Electronic Information Institute, Huaibei Coal Industry Teachers College,
Huaibei 235000

全文: PDF (513 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 为提高粒子群算法的收敛性能,提出一种自适应粒子认知域方法.在粒子位置的更新方法中,粒子运动到当前的最好位置由计算得到的最好位置为中心,粒子的认知方向为导向来确定.利用线性惯性下降权重来实现粒子的优化.为验证该方法的有效性,将此方法应用于3种不同的粒子群方法,分别是固定权重粒子群方法、线性下降权重粒子群方法及阶梯形群体粒子群算法.实验结果表明此方法是较有效的.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘暾东
陈得宝
李素文
王颖
关键词 粒子群优化(PSO)线性下降权重粒子群(LDWPSO)认知域阶梯形群体粒子群算法(LPSO)    
Abstract:To improve the convergent performance of particle swarm optimization(PSO), an adaptive cognitive domain particle swarm optimization(ACDPSO) method is proposed. In the updating equations of particles, the current best position, which the particle achieves, is determined by the center of the best calculated position and the cognizant direction of the particle. Linear decreasing inertia weight is used to optimize particles. Three different PSOs, particle swarm with constant weight(CWPSO), linear decreasing inertia weight PSO(LDWPSO) and Ladder PSO(LPSO), are combined with the proposed method to test the performance of the proposed method, and the results indicate that the proposed method is effective.
Key wordsParticle Swarm Optimization (PSO)    Linear Decreasing Inertia Weight PSO (LDWPSO)    Cognitive Domain    Ladder PSO (LPSO)   
收稿日期: 2008-12-30     
ZTFLH: TP24  
基金资助:教育部科学技术研究重点项目(No.209057)、安徽省自然科学基金项目(No.090412070)、高等学校省级优秀青年人才基金项目(No.2009SQRZ088ZD)和高等学校省级自然科学研究项目(No.KJ2009B062)资助
作者简介: 刘暾东,男,1970年生,博士,副教授,主要研究方向为智能信息处理与控制.E-mail: ltd@xmu.edu.cm.陈得宝,男,1975年生,博士,副教授,主要研究方向为人工智能、进化计算、机器人等.李素文,女,1968年生,博士,教授,主要研究方向为信号处理.王颖,女,1977年生,博士,讲师,主要研究方向为智能优化模式分类、系统建模等.
引用本文:   
刘暾东,陈得宝,李素文,王颖. 基于自适应认知域的粒子群性能改进方法*[J]. 模式识别与人工智能, 2009, 22(5): 726-730. LIU Tun-Dong, CHEN De-Bao, LI Su-Wen, WANG Ying. An Improved PSO Method Based on Adaptive Cognitive Domain. , 2009, 22(5): 726-730.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2009/V22/I5/726
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn